基于語義web本體映射模型研究及實(shí)現(xiàn).pdf

1、隨著萬維網(wǎng)的發(fā)展,網(wǎng)絡(luò)中信息資源越來越多。為了實(shí)現(xiàn)互聯(lián)網(wǎng)中信息資源的共享和復(fù)用,語義Web被提出并受到了國內(nèi)外研究機(jī)構(gòu)的廣泛關(guān)注,并且被Gartner公司列為2008-1012年10大變革性技術(shù)之一。語義Web的目的是標(biāo)注信息并使計算機(jī)能夠理解,使整個萬維網(wǎng)成為一個結(jié)構(gòu)嚴(yán)謹(jǐn)?shù)闹R庫。
　　 本體作為語義Web核心,用于表達(dá)網(wǎng)絡(luò)中語義信息。然而因本體建模工具和方法不同、研究者的知識結(jié)構(gòu)層次不同、以及研究領(lǐng)域差異的影響,導(dǎo)致了本體異

2、構(gòu)性的產(chǎn)生,影響了語義Web的進(jìn)一步向前發(fā)展,本體映射技術(shù)應(yīng)運(yùn)而生。本文在簡單介紹了本體映射的現(xiàn)狀和研究意義之后,對本體映射原型系統(tǒng)以及使用技術(shù)方法進(jìn)行對比和分析,借鑒OLA映射系統(tǒng)提出Sniper-OM本體映射框架。Sniper-OM從實(shí)體名稱、描述信息等元素級和本體內(nèi)容數(shù)據(jù)層次關(guān)系的結(jié)構(gòu)級兩方面進(jìn)行討論和研究。Sniper-OM較之其他系統(tǒng)有如下特點(diǎn):(1)使用外部詞典WordNet,考慮“PART-OF”對最短路徑影響,考慮多路徑

3、對相似度影響;(2)基于實(shí)例計算相似度,提出一種判斷簇內(nèi)樣本純度的衡量算法;(3)考慮不同邊權(quán)重值,利用圖匹配策略生成本體匹配圖計算相似度。
　　 元素級主要考慮概念信息對相似度的影響,提出了基于外部詞典WordNet的OHIIC算法和基于文本向量的CV算法。OHIIC使用了WordNet層次結(jié)構(gòu)信息,尋找最短路徑時在傳統(tǒng)方法對"IS-A"關(guān)系利用基礎(chǔ)上,還利用了"PART-OF"關(guān)系搜尋兩概念的最短路徑;同時OHIIC還考慮多

4、路徑對相似度影響。解析概念以及與之關(guān)聯(lián)概念的所有標(biāo)注信息,生成文本向量,利用改進(jìn)的TF/IDF計算相似度。最后取OHIIC和CV計算結(jié)果的最大值作為兩實(shí)體的相似度值。
　　 結(jié)構(gòu)級主要考慮本體圖結(jié)構(gòu)對相似度的影響,除通常方法利用類、屬性和層次信息之外,還考慮到實(shí)例存在屬性結(jié)構(gòu)信息,對概念實(shí)例相似度計算方法進(jìn)行研究,提出一種判斷簇內(nèi)樣本純度的衡量標(biāo)準(zhǔn)——信息熵純度,通過對聚類形成簇的信息熵純度分析本體擁有實(shí)例集合的概念相似度。實(shí)驗(yàn)

5、表明,這種本體映射方法表現(xiàn)出很高的性能。另外考慮本體的關(guān)系影響,對不同類型關(guān)系引入不同權(quán)重生成本體描述矩陣,引入圖理論算法生成本體匹配圖(MGO)。
　　 在前述研究基礎(chǔ)上,本文實(shí)現(xiàn)了Sniper-OM原型系統(tǒng),并使用OAEI2008測試集測試該系統(tǒng)性能,從召回率、準(zhǔn)確率和F-Measure3方面與其他15個映射系統(tǒng)實(shí)驗(yàn)對比,結(jié)果表明Sniper-OM系統(tǒng)排在第四位,強(qiáng)于OLA映射系統(tǒng),表明該系統(tǒng)綜合考慮類、屬性和實(shí)例計算方法強(qiáng)

6、于OLA單一的使用編輯距離方法。由于多策略合并方法比較簡單,以及基于結(jié)構(gòu)相似度關(guān)系權(quán)重值設(shè)置需要更多人為參與,該方法次于Lily、ASMOV、RiMOM映射系統(tǒng)。最后對研究工作進(jìn)行總結(jié)和展望。
　　 本文的研究對本體映射技術(shù)的發(fā)展有一定的意義。尋找最短路徑考慮"PART-OF"關(guān)系,基于實(shí)例計算相似度方法,以及利用圖理論計算結(jié)構(gòu)相似度對本體映射有一定的借鑒意義。映射原型的實(shí)現(xiàn)對本研究小組今后的進(jìn)一步研究工作有一定的幫助。